tensorflow入门

1.tensorflow的介绍
（1）框架

（2）张量
张量是一个多维数组。 与NumPy ndarray对象类似，tf.Tensor对象也具有数据类型和形状
此外，tf.Tensors可以保留在GPU中。 TensorFlow提供了丰富的操作库（tf.add，tf.matmul，tf.linalg.inv等），它们使用和生成tf.Tensor

（3）keras的介绍
   1）意义:
   tf.keras是TensorFlow 2.0的高阶API接口，为TensorFlow的代码提供了新的风格和设计模式，大大提升了TF代码的简洁性和复用性，官方也推荐使用tf.keras来进行模型设计和开发。
   2) 常用模块

3）数据的输入
对于小的数据集，可以直接使用numpy格式的数据进行训练、评估模 型，对于大型数据集或者要进行跨设备训练时使用tf.data.datasets来进行数据输入。
3）模型的构建
简单模型使用Sequential进行构建
复杂模型使用函数式编程来构建
自定义layers
3） 回调函数
回调函数用在模型训练过程中，来控制模型训练行为，可以自定义回调函数，也可使用tf.keras.callbacks 内置的 callback ：

ModelCheckpoint：定期保存 checkpoints。 LearningRateScheduler：动态改变学习速率。 EarlyStopping：当验证集上的性能不再提高时，终止训练。 TensorBoard：使用 TensorBoard 监测模型的状态。

4）模型的保存
a. 只保存参数

b. 保存整个模型